在线社交网络的快速发展,冲击和改变着人们的生活和思维方式。于无形之中,人们已成为各种社交网络中的一员,比如,在各种诸如QQ,微博等通讯社交网络中,人们发表着自己的生活琐事,抒写着自己的心情故事。在社交网络中人们不仅仅表达自己的生活,同时也洞察周围的人和事。对社交网络的研究也具有重要的实际意义和理论意义,比如有针对性的研究社交网络中某一个用户,可以有的放矢的推荐产品、推荐朋友、或者引导某种舆论观点的传播等。如何将具体的社交网络抽象成网络拓扑图,研究网络图的节点和节点关系正是本文所讨论的主题。不同的社交网络结构图中,节点和边代表不同的实际意义,比如在Facebook社交网络中,节点表示用户,边表示用户之间的朋友、转发等关系。本文也考虑了不同社交网络的特点,主要的研究工作从两个方面展开。首先,社交网络节点的研究。社交网络中,每一个节点的重要程度不一样,其影响力也不尽相同,对节点影响力的度量可以帮助用户或商家找到影响力大的用户。本文提出了一种在微博社交网络中评价用户的影响力的算法,和传统的用户影响力的评价方法相比,综合考虑用户的活跃度和用户所发微博质量两个方面的因素。通过在公开语料集和真实数据中的实验,表明该方法是可行的,并比传统的用户影响力的评价方法更能客观真实的反映用户的实际影响力。其次,社交网络节点关系的研究。如何预测社交网络中节点的链接情况,本文从节点属性和网络拓扑结构两个方面对节点的未知链接进行研究。在对以往传统方法基于节点邻近度和基于网络拓扑结构的方法总结后,提出了基于AdaBoost提升算法对未知链接进行预测。实验在公开的数据集科学论文合著网络上进行,和传统的基于节点属性和基于路径的方法等单一的弱分类器都进行了比较,证明基于AdaBoost方法的强分类器能更准确的提高未知链接的准确率,提高分类性能。最后,对社交网络中节点及其关系的研究进行了归纳和总结,并提出了对未来工作的展望。对社交网络的研究,可以从不同的侧重点进行,每一种算法都有其不足和改进之处,对社交网络的研究在实际的应用中具有指导作用。